Couverture tech bleu marine comparant les besoins en VRAM des modèles IA selon différentes configurations GPU.

Besoins en VRAM des modèles IA selon les configurations GPU

Besoins en VRAM des modèles d'IA selon les configurations GPU

Ce tableau donne un aperçu des tailles de modèles approximatives (en milliards de paramètres) exécutables sur différentes configurations de VRAM, avec des exemples de modèles connus. Ces valeurs sont des estimations et peuvent varier selon les implémentations, les architectures et les optimisations.

VRAM (GB) FP32 FP16/BF16 INT8 INT4 INT2 Exemples de modèles
16 3-4B 6-8B 12-16B 24-32B 48-64B GPT-2 (1.5B), BERT-Large (340M)
24 5-6B 10-12B 20-24B 40-48B 80-96B GPT-J (6B), BLOOM-7B1
48 10-12B 20-24B 40-48B 80-96B 160-192B T5-11B, BLOOM-7B1 (FP32)
80 18-20B 36-40B 72-80B 144-160B 288-320B GPT-NeoX-20B, BLOOM-176B2
96 22-24B 44-48B 88-96B 176-192B 352-384B BLOOM-176B2, Jurassic-1 Jumbo (178B)2
128 30-32B 60-64B 120-128B 240-256B 480-512B GPT-3 175B2, PaLM 540B2
160 38-40B 76-80B 152-160B 304-320B 608-640B PaLM 540B2, Megatron-Turing NLG 530B2
192 46-48B 92-96B 184-192B 368-384B 736-768B BLOOM-176B (FP16)
256 62-64B 124-128B 248-256B 496-512B 992-1024B GPT-3 175B (INT8), LLaMA 2 70B (FP32)
320 78-80B 156-160B 312-320B 624-640B 1248-1280B Chinchilla 70B (FP32)
384 94-96B 188-192B 376-384B 752-768B 1504-1536B PaLM 540B (INT8)
512 126-128B 252-256B 504-512B 1008-1024B 2016-2048B GPT-3 175B (FP16), BLOOM-176B (FP32)

Notes :

  1. Peut tourner en pleine précision (FP32)
  2. Nécessite une quantification ou d'autres techniques d'optimisation

Points complémentaires :

  • Ces estimations supposent que toute la VRAM est disponible pour le modèle, ce qui est rarement le cas en pratique, en raison de la mémoire utilisée par le framework, le système d'exploitation et les autres processus.
  • Le parallélisme de modèle et d'autres techniques avancées permettent d'exécuter des modèles encore plus grands en les répartissant sur plusieurs GPU.
  • L'inférence demande généralement moins de mémoire que l'entraînement : des modèles plus grands peuvent donc souvent être exécutés en inférence sur des configurations de VRAM plus modestes.
  • Les tailles exactes varient selon l'architecture du modèle, les détails d'implémentation et les optimisations employées.

À retenir :

  1. 16-24GB de VRAM : convient à la plupart des tâches d'IA grand public et aux modèles de recherche de petite taille.
  2. 48-96GB de VRAM : permet de travailler avec des modèles de taille moyenne à grande, courants en milieu professionnel et en recherche.
  3. 128-256GB de VRAM : permet d'exécuter certains des plus grands modèles publics, moyennant diverses optimisations.
  4. 320-512GB de VRAM : offre la capacité nécessaire aux plus grands modèles actuels et aux évolutions à venir, généralement via des configurations multi-GPU.

Ce tableau illustre l'impact considérable de la quantification et des autres techniques d'optimisation, qui permettent d'exécuter des modèles plus grands sur une VRAM limitée. À mesure que l'IA progresse, on peut s'attendre à de nouvelles avancées en compression de modèles et en architectures économes en mémoire, qui repousseront encore ces limites.

Et attendez... Tout ne s'arrête pas aux transformers...

Retour au blog